1. No category

c オペレーションズ・リサーチ
マーケティングにおける，ビッグデータ分析
―買物行動を可視化する「顧客化 10 の発見」―
大木 真吾
マーケティングの中心にある広告コミュニケーションは，ROI 効果に対する要望が昨今高まりを見せつつ
ある．ビッグデータにまつわる環境の変化が，インターネットに限らずあらゆる接点における「購買結果の可
視化」を容易にしたことで，新たな潮流を生んでいる．では，ビッグデータ分析はどうすべきなのか？分析結
果をどう活用していけばいいのか？われわれはたいていのことは 10 の分析視点で解決できる，という考えの
もと「顧客化 10 の発見」にまとめた．本稿ではなるべく多くの事例を交え，その手法について紹介していく．
キーワード：購買行動を可視化する，次へとつながる
1. 今，マーケティングの現場で起きている
こと
例えば，インターネット広告はその先行事例といえ
る．インターネットではユーザーの行動の「可視化」が
容易で，施策による成果の評価が明瞭である．同様に
広告コミュニケーションの変化とデータ活用の動き
これからは，実店舗などインターネットの世界に閉じ
本稿におけるマーケティングとは，商品・サービス
ぬ，あらゆる購買の接点における「買われ方」の評価
の販売活動全般を指し，特にその中で商品・サービス
を明瞭に行うことが求められる．それを実現するのが，
を認知させ購買へとつなげていくための方法の一つが
ビッグデータであり，ビッグデータから知見を導出す
広告コミュニケーションである．
るためのデータマイニングなどの技術である．そもそ
広告会社は企業に対してこの広告コミュニケーショ
もマーケティングに使えるデータの種類は多い．広告
ンの支援を行うことを付加価値として提供してきたが，
出稿などの実施データ，顧客データ，そして購買デー
近年企業が要望する広告コミュニケーションは大きな
タなどが挙げられる．定性的に取得された顧客の声か
変化を遂げつつある．
らも分析次第では有用な知見が得られるはずだ．また，
大きな変化とは直接的な効果や対費用効果視点での
施策評価に対する要望の高まりである．インターネッ
トによるビジネス，実店舗などのリアルチャネル，あ
るいはメーカーにおいても「売上」という成果に直結
このような多種多様なデータの精度やリアルタイム性
はますます高くなると考えられる．
ビッグデータ分析の考え方
データ分析が可能にする「購買行動の可視化」は，事
する施策を講ずることが求められるようになってきた．
業実施上の課題解決，すなわち「売上向上」へとつな
つまり「広告コミュニケーションの先の売上」が見え
がる多くの示唆を与えてくれる．広告コミュニケーショ
づらい，可視化できない広告コミュニケーションには，
ンに資する示唆は，
「どうすればより多くの顧客と，よ
企業がお金を払わなくなりつつある．
り深い関係を築くことができるか」という示唆である．
この変化の中心にはデジタル化の進展とインフラ構
これは，
「新しく顧客を獲得する」ことに資する示唆と
築に必要なコストの低下と，それに伴いさまざまなデー
「既存の顧客を定着させる」ことに資する示唆の二つに
タが利用可能な状態となっていることがある．最近で
大別される．博報堂プロダクツでは，これらを「顧客
は，このような大量・多様なデータが「ビッグデータ」
化力」という言葉で定義している．マーケティングに
という概念で総括されている．データ活用に対する必
おけるデータ分析とは，顧客化の視点において成果を
要性が，このような概念の盛り上がりを後押ししてい
「可視化」し，課題解決の示唆を得て，次へとつなげて
いくことである（図 1）．各商品・サービスが抱えるそ
るといえるだろう．
れぞれの課題を解決することを念頭に置きさえすれば，
おおき しんご
（株）博報堂プロダクツ
〒 107–0052 港区赤坂 2–14–27 国際新赤坂ビル東館 15 階
c by
666 （10）Copyright 自ずと分析すべきデータ項目も明確になってくる．
では，マーケティングにおけるデータ分析とはどの
ORSJ. Unauthorized reproduction of this article is prohibited.
オペレーションズ・リサーチ
2. ビッグデータ分析活用事例
分析による「発見」をコミュニケーションに
実際にデータ分析が活用された例を紹介したい．前
1 届けたいメッセージ，
章で示した四つの分類のうち，
2 行動を促すインセンティブ，の 2 点に対して工夫を
凝らした事例である．
消費者向け耐久財を，全国にある自社店舗で販売す
図 1 マーケティングにおけるビッグデータ分析．マーケ
ティングにおけるビッグデータ分析とは，購買結果
を「可視化」し課題解決の示唆を得て，次へとつな
げていくことである．
る事業者の例だ．この事業者では，定期的に来店を促
す催しを行うが，催しに興味を持ちそうな顧客群に対
してその案内状（ダイレクトメール (DM)）を送付し
ている．DM には「本状持参で 2,000 円引き」といっ
ように取り組むべきものなのか，もう少し具体的に説
た割引券が添付される．DM を送った顧客の来店率は
明したい．一言で表すと，異なる二つ以上のデータを
通常 10%程度だが，この来店率を高め，活性化をはか
つなぎ合わせ，項目（変数）を集計・分析し「何か」を
ることが求められていた．
発見することである．課題解決に資する示唆を発見す
そのために DM の送付対象となった顧客群と，そう
るために，ただやみくもに作業を繰り返せばよいとい
でない顧客群との間に購買傾向に差はないか，さまざ
うわけではない．
「何を分析すると，課題解決につなが
まなデータ分析を試みた．利用したデータは顧客デー
る発見ができるのか？」，ここを見極める分析のセンス
タと顧客に紐づく購買データである．二つのデータを
が重要になる．高度な分析もときに必要であるが，そ
つなげ，最終購買日・購買頻度・累積購買金額・年齢・
れよりも，シンプルに何と何を組み合わせると発見を
性別・購入商品の内訳・土日の購買傾向・居住地域など，
導き出せるのかに，気づくかどうかである．
さまざまな項目同士で組み合わせ分析を行った．その
分析センスを身につけるには，何よりも商品／サー
結果，ある催しの対象となる顧客群は，店舗併設のレ
ビスをしっかりと理解することが大切である．そして
ストラン利用率が著しく高いということがわかった．
その商品／サービスが抱える課題の把握と，
「恐らくは
この分析結果を踏まえ，インセンティブを従来のよ
ここに原因があるのであろう」という仮説を持つこと
うな商品の割引券ではなく，レストランのお食事券に
で，分析視点にたどり着く．
変更した．またメッセージは，催しの訴求は控えめに
商品・サービスへの深い理解を行う方法の一つとし
し，
「いつもありがとう，食べに来てくださいね」とい
て，販売などの現場の実態を知ることも有用だ．現場
う方向に改めることにした．決して，催しの予算を増
には，現場で培われた知恵や肌感覚が多く存在してい
やして豪勢な食事券を送ったわけではない．これまで
る．そこを知らずにデータだけで解決しようと試みる
の割引券と同じ原資で可能な範囲のお食事券をお送り
と，ミスリードとなることも少なくない．汗をかき商
しただけだ．
品を売る現場・スタッフをリスペクトし，彼らを側面
それにもかかわらず，DM を受け取った顧客の来店
支援する気持ちを持って，データ分析を行うことが求
率は約 4 倍と大幅に向上した．そしてレストラン利用
められる．
者の大半は平均客単価を上回る購買を行った．コミュ
そして，データ分析で得た発見に基づき，工夫を凝
ニケーション対象者の特徴をデータから「発見」し，
らすべき広告コミュニケーション上の対象は，主に四
メッセージとインセンティブに変化を加えたことで購
1 届けたいメッ
つに分類されると考える．四つとは，
買行動を改善させた，わかりやすい事例であると考え
2 行動を促すインセンティブ，
3 接点をもつ
セージ，
ている．
4 対象者との接点づくり，である．こ
べきタイミング，
同時に，本事例で特筆すべくは，割引という形での
れらの一つ，あるいは二つ以上に変化を加えることが，
商品価格イメージ低下を回避しており，
「安かろう」と
課題解決につながると考えている．
いう印象の払拭にも成功している．
2012 年 12 月号
c by ORSJ. Unauthorized reproduction of this article is prohibited.（11）
Copyright 667
3. 顧客化 10 の発見
2 誰が何を購買しているかを知る．
購買傾向に属性や商品の要素を組み入れる．目的
10 の分析視点でたいていのことは解決する
は性／年代のほか，家族構成・職業などと購買や商品
データ分析の切り口はさまざまであり，具体的にど
の関係を把握することにある．そうすることで，主
うしたらよいのか迷うことも多いと思う．
力商品を多く購買する年代や，OL あるいは主婦な
われわれはさまざまな業種の得意先企業から必要な
ど購入者の属性の傾向把握が可能になる．該当商品・
データの支給を受け，データ分析を行ってきた．どの
サービスに対するターゲット設定などに関する示唆
ようなケースであれ，目的がマーケティングの課題を
を得ることができる．
解決することである以上，分析視点において共通項が
例えば，ある化粧品は，事前の調査に基づきター
ある．課題を解決するため「可視化」を正確に行うた
ゲットを 20∼30 代の働く女性と位置づけコミュニ
めには，得ておくべき 10 項目の分析視点があると考
ケーションを行っていた．ただしデータ分析の結果，
えている．これを「顧客化 10 の発見」とした（図 2）．
実際の購買はむしろ 40 代以上の中高年層に集中し
コミュニケーションプランニングに必要な分析は 10 で
ていることがわかった．この場合，伝えるべきメッ
たいていのことは足りると考えている．
セージやターゲットとの接点づくりにおいて軌道修
まず，10 の発見とはどんなものなのかを順に説明し
正が必要になる．
ていく．
3 接点と商品（やインセンティブ）と購買の関係を知
1 買物基本行動を知る．
る．
買物動向を大きく俯瞰し，まずは大きく傾向をと
らえることから始める．目的は自社の顧客のボリュー
購買傾向に，経由した接点や商品，あるいはイン
センティブの視点を組み入れる．本稿での接点とは，
ム・鮮度・ポテンシャルを把握することにある．RFM
TV・新聞・WEB などのメディア経由を指す場合も
分析などが中心となる．RFM 分析とは自社の顧客に
あれば，店舗・電話・EC など購買窓口を指す場合が
おける直近購買動向 (Recency)，頻度 (Frequency)，
「今
ある．インセンティブとは，
「今なら 10%OFF」
累積購買金額 (Monetary) の動向を把握することだ．
ならお試しセットが無料」
「3 個買うと，〇〇プレゼ
そうすることで，自社の顧客のボリュームはもとよ
ント」などのことを指す．目的は，商品・サービス
り優良顧客や休眠顧客の特定も可能になる．例えば
における購買のきっかけや経路，インセンティブの
Recency と Frequency の組み合わせ集計を行うと，
違いによる購買の力の差を把握することにある．そ
直近 3 カ月以内で 3 回以上の購買を期待できる顧客
うすることで，各商品とチャネルの相性や特徴から
群，あるいはここ 1 年内で購買が 1 回もない対策を
のメディアプランニングの示唆や，インセンティブ
講じる必要のある顧客群など，一定のグループごと
開発の示唆を得ることが可能になる．
の購買の状況を知ることができる．
例えば，ある通販商材の場合 TVCM（テレビコ
図 2 顧客化 10 の発見．課題を解決する「可視化」を行うためには，得ておくべき 10 項目の分析視点がある．これを「顧客
化 10 の発見」とした．
c by
668 （12）Copyright ORSJ. Unauthorized reproduction of this article is prohibited.
オペレーションズ・リサーチ
マーシャル）からの購買人数は多いが 1 回あたりの
ある大型店舗の例では，商圏 20 分以内の市区町村ラ
個数は少なく客単価は低かった．一方で新聞は購買
ンキングにおいて A 町の会員数は比較的下位であっ
数が TVCM より少ないが，まとめ買いが多く客単
たが，エリア別売上ランキングでは 1 位であった．
価が高かった．この仮説は，恐らくスペースや広告
この場合，A 町は購買力のある，非常にポテンシャ
と接触する時間の長さが異なることから，一度に伝
えられる情報量に差が出ており，理解・興味の質に差
ルの高いエリアであることを示唆している．
5 誰のための購買であったのかを知る．
を生じさせていると考えられた．またインセンティ
購買傾向に，商品内容やお届け先・家族構成など
ブにおいては，
「今ならお試しセット〇〇円」と「本
を組み入れる．目的は，その購買は主婦が子供のた
商品が〇〇%OFF」において，前者のほうが多くの
めなのか，遠く離れる家族のためなのか，自分のた
反応を得ることがわかった．このようにメディアと
めなのかを把握することにある．商材によっては購
購買の関係やインセンティブのパワーが判明すると，
入者と利用者が異なるケースも考えられ，定性アン
各メディアの特徴を勘案した出稿配分やインセンティ
ケートによる傾向把握も検討したい．そうすること
ブ設計を検討できる．
で，該当商品の購買者の購買商品に応じたメッセー
これらの分析は，メディア出稿と購買が ID 単位で
ジ発信が可能になる．
つながっていることが理想であり，そうすると精緻
例えば，ある雑貨・インテリア系売場では，毎回
な分析が可能になる．一方で，ブランド認知の意味
子供向け商品が含まれる顧客群が一定数存在した．
合いが濃い広告や店舗送客のように，認知から購買
小さい子供のいる家族と推察できる．このグループ
までの距離が遠くつなげにくい場合，購買との関係
のボリュームが多く，客単価も平均を上回る傾向に
性評価の難易度は上がる．ケースバイケースである
あった場合，購買を活性化させたい対象となる．小
が，購買時のアンケートや，GMS（総合スーパー）
さい子供が喜ぶインセンティブをセットにしたキャ
などに見られる ID-POS 連動のレジクーポンを活用
ンペーンを検討してみることが考えられる．
し，該当商品の売上動向を重ね合わせるなど，計測
する方法は各種あると考えている．
4 エリアと売上の関係を知る．
また，あるセレクトショップでは，特定カテゴリ
において女性が男性用商品を購買する比率が非常に
高いことがわかった．当初は男性用を自分で使用す
購買傾向に，居住データの視点を組み入れる．目
るのではと考えられたが，現場へのヒアリングの結
的は店舗と居住エリアの距離や立地特性と購買の関
果，ギフト意向が極めて強い商品なのであろうと判
係を把握することにある．そうすることで，店舗周
明した．このことから女性に向けた男性へのギフト
辺の各エリアと購買の関係が把握でき，店舗ごとに
注力すべきエリアの示唆を得ることが可能になる．
さらに国勢調査データを組み入れることで，エリア
促進キャンペーンの検討へと至った．
6 購買の流れを知る．
購買傾向に，購買遷移の視点を組み入れる．目的
そのものの特徴（属性，居住形態，年収，家族構成）
は，1 回目に何を買い，2 回目に何を買い，3 回目に
を活かすこともできる．
何を買ったのか？購買の流れを把握することにある．
例えば，ある消費財を販売する事業者では，店舗
の比較的近くに居住する顧客は，来店回数は多いが
見方を変えれば何回目から買わなくなったのか？離
脱の傾向を把握するとも言える．
購買額は小さく，逆に比較的遠くに居住する顧客は
そうすることで，初回顧客にもう一度買ってもら
来店回数が少ないが，購買額は大きいことがわかっ
うための，購買の流れを勘案した One to One アプ
た．要因を探るために分析を重ねると，購買点数が
ローチを構築することができる．顧客育成の視点と
影響を与えていることがわかった．分析で得た示唆
いえる．
に基づき，店舗と距離に応じて伝えるべきメッセー
例えば，食品系お取り寄せショップでは，データ
ジに変化を加えることを検討した．具体的には，店
分析の結果，1 回目，2 回目までは同一商品を購入
舗に近い場合は「もう 1 点，多くお買い求めくださ
し，3 回目以降から他の商品を買い始めることがわ
い」となり，遠い場合は「もう 1 回でも多く，ご来店
かった．おそらくは 1 回目は衝動的に，2 回目はお
ください」と異なるメッセージ戦略が浮かび上がっ
いしかったから，3 回目は他の商品も試してみたい
てくる．
という気持ちの変遷があったと思われる．一つの主
もう 1 点，エリアの特徴と購買の関係も興味深い．
2012 年 12 月号
力商品からはじまり，ショップブランド全体へと興
c by ORSJ. Unauthorized reproduction of this article is prohibited.（13）
Copyright 669
味が広がる流れが判明した．そこで初回の購入者に
の顧客群に対しては，多少コストをかけてでも手厚
は，矢継ぎ早に同一商品の 2 回目の購買実績を作る
いメッセージと新鮮なニュースでアプローチをして
ことに注力し，3 回目以降にブランド全体の訴求や，
いきたい．復活率もほかの特徴をもった休眠顧客群
他商品の露出を増やしていく，といったアプローチ
よりも高いことが想定される．実際，ある方法で休
のシナリオを組み実施している．
眠顧客に一律にメッセージを送ったところ，復活率
7 購買の間隔を知る．
が高いのはこの層であった．
購買傾向に，購買間隔の視点を組み入れる．目的
は，商品／サービスを購買してから，次の購買を行
9 購買とインセンティブの関係を知る．
購買傾向に，インセンティブの視点を組み入れる．
うまでに要する日数を把握することにある．そうす
インセンティブはあらゆる顧客獲得において大切な
ることで，はじめての顧客に対して継続購買を定着
視点であるが，ここでは特にロイヤリティアップを狙
化させるために，何日後までに次の購買を促すアプ
う場合を指す．目的は購買を持続させるために，各顧
ローチをするべきかの示唆を得ることができる．
客群それぞれが持つ強い特徴を発見し，付与してい
例えば，食品系お取り寄せショップでは，商品の
購買間隔は 40 日間であると判明した．そこで，初め
ての顧客には 40 日間有効の次回購入特典を用意し
2
くべきインセンティブの示唆を得ることにある（
の発展形であると理解いただきたい）．
そうすることで，顧客群のロイヤリティ度合いや，
た．その結果 2 回目の購買に至る割合を増加させる
その他の特徴にフィットしたインセンティブを付与
ことに成功している．また，ある耐久消費財系事業
できるようになり，継続購買の活性化が可能になる．
者では，優良顧客は約 20 日間，スタンダード顧客は
前章で紹介しているビッグデータ活用事例は，こ
約 40 日間など，同カテゴリでも顧客群ごとに異な
こに該当する分析テーマである．各顧客群がもつ固
る間隔が存在していることがわかった．現在，より
有の特徴は，居住エリア・商品・付帯サービスなどさ
細かなタイミングとシナリオの構築を検討中である．
まざまである．特徴を見つけることができたら，メッ
このように商品・サービス内容によってさまざま
セージとインセンティブを徹底的にフォーカスする．
であるが，それぞれ固有の購買間隔が存在している．
8 休眠顧客の状態を知る．
行動を加速することができると考えている．
10 入口と LTV（Life Time Value）の関係を知る．
購買傾向に，非購買状況を組み入れる．目的は，あ
購買傾向に，顧客生涯価値（Life Time Value）の
る日を境に購買をしなくなった休眠状態にある顧客
視点を組み入れる．目的は，購買の入り口となった
を特定し，その特徴や要因を把握することにある．要
接点と，その先の継続購買傾向を把握することにあ
因については，ネガティブな要因も多く含まれると
3 の発展形であると理解いただきたい）．
る（
考えられ，定性的な声の収集も必要である．そうす
そうすることで，その後の継続購入に影響を与え
ることで，休眠状態にある顧客群の復活を試みるた
たりインセンティブ・アプローチを実施したりでき
めの示唆や，休眠顧客群の中からアプローチするべ
る．継続購入に影響を与えるということは，顧客の
き対象を抽出できる．
生涯価値に影響を与えることになり．ビジネスの収
ある耐久消費財系事業者では，該当する休眠顧客
益性に大きな変化を与えることになる．
群には過去の購買は 1 回のみで客単価が低い顧客が
例えば，ある通販の場合，商品のダイレクト注文
多く含まれていることがわかった．おそらく初めて
を獲得するメディア出稿をしたとする．分析の結果，
来たものの満足の得られる購買体験ができず，仕方
TV・新聞経由の購買は多くのレスポンスが取れる
なく少額の商品だけを購買して帰ったと推察された．
が，折込広告や Web 経由の購買と比較するとその後
このような状況にある顧客を復活させるのはハード
の継続傾向が劣るケースがある．おそらく，TV の
ルが高くコスト効率的にも非常に難しい．一方で，
場合は，衝動的な購買が多いからであると推察でき，
休眠化する前の最後の購買時の客単価が高く，それ
逆に Web は他社商品と比較をし，納得をしたうえ
までの購買回数が多いにもかかわらず来店が止まっ
で購買しているから，と考えられた．最初の購買プ
ている顧客群が少なからず存在していることが判明
ロセスの違いは，商品への理解や愛着，興味の深さ
した．ぜひ購買を再開してほしい顧客群である．恐
に影響を与えている可能性がある．
らくは商品／サービスに飽きた，嫌な体験があった，
引越しした，などが要因であると考えられる．該当
c by
670 （14）Copyright 同じようなことが，電話・葉書でも言える．葉書
は購買数が多いが，電話に比べるとまとめ買いの数
ORSJ. Unauthorized reproduction of this article is prohibited.
オペレーションズ・リサーチ
では施策をきっかけとした，新しい顧客を獲得する
ための示唆を得ることができる．
次に，
「もう一度，買ってもらう」ことが目的とな
り，ここには
5 誰のための購買かを知る，
6 購買の
7 購買の間隔を知る，が該当する．こ
流れを知る，
のパートでは購入したのちに，もう 1 度買ってもら
うためには短期的に何をするべきなのか，継続購買
を実現するための示唆を得ることができる．
最後のパートは，
「もっと買い続けてもらう」こと
8 休眠の状況を知る，
9購
が目的となり，ここには
10 入口と LTV
買とインセンティブの関係を知る，
の関係を知る，があてはまる．ビジネスの収益性を
向上させるためには，既に顧客となった既存客に何
度も買い続けてもらう戦略が大変重要である．この
図 3 10 の発見の体系化．
パートでは顧客が生み出す生涯価値を向上させてい
くための示唆を得ることができる．
や継続性に劣る．電話の場合，オペレーターとの会
話をすることで理解が深まり，さらにまとめ買いな
4. 実施の効果を捉える
どのレコメンドを受けたりするからである．ただし
PDCA サイクルの運用
電話に抵抗感を感じるターゲットのためにも葉書は
10 の発見に基づいて広告コミュニケーションを設計
重要である．この企業では，さまざまな生活者との
し，実施を行った際は，
「効果」を評価することが大
販売の接点を持つにあたり，その後の継続購入も見
切である．それは PDCA サイクル (Plan Do Check
越した価格設定やインセンティブを検討し，常に最
Action) を繰り返すことにほかならない．変化の早い
適化を試みている．
マーケティングの現場に適応するためにも，PDCA サ
以上が「顧客化 10 の発見」の各分析視点である．
イクルの運用は短い時間スパンで施策の実施と検証を
分析を通じ 10 の発見が得られることで，課題解決
行い，次に控えている施策に取り入れていくことが大
を実現するためのさまざまなコミュニケーションへ
切である．
とつなげていくことができる．まずは最初の取り組
みとして「10 の発見」を得ることをお勧めしたい．
効果の主な評価方法には，三つあると考えている．一
つ目は即座に動きを見るためのセールス／レスポンス
10 の発見を体系化する．
評価（daily/weekly レビュー）である．施策の効果が
ここまで「10 の発見」を一つ一つ説明をしてきた．
思惑どおりとなりそうかどうか，早い段階で見極める
これらをすべて見ることが理想であるが，難易度も
ために行う．二つ目は，KPI (Key Performance In-
異なり，使用するデータ状況によっても見えること，
dicator) 定点観測／マーケティング評価（Monthly レ
見えないことがある．更にわかりやすくするために，
ビュー）である．あらかじめ定めた KPI が，前月と比
どういった課題局面で何を分析するべきなのかの整
べどのように推移をしているか，前月に比べ増えたの
理を試みた（図 3）．これで，より明快にデータ分析
か，減ったのか，などを時系列でチェックを行う．ま
のことが理解できるのではないだろうか．
た課題に応じた各種データマイニングなども行う．課
1 買物
図 3 を見てほしい．まずは，顧客を知る（
基本行動を知る）ことが何よりも基本になる．
題解決の進捗度合の評価や次の施策検討を行う．三つ
目は，中長期的な戦略評価（Quarterly レビュー）で
そのうえで，残り九つの分析視点を三つのパート
ある．3∼4 カ月単位で行う，包括的な評価と大きな視
に分けることができる．最初のパートは「プロモー
点でとらえた戦略設計である．より上位の概念におけ
ションで送客し，買ってもらう」ことが目的となり，
るマーケティング設計を行っていく．
2 誰が何を購買しているかを知る，
3 チャネルと商
実現させるためには，例えば月に 1，2 回程度の会議
4エ
品（とインセンティブ）と売上の関係を知る，
体をもち，それを軸に PDCA を繰り返す必要がある．
リアと購買の関係を知る，が該当する．このパート
メンバーは，商品・販促宣伝・営業・顧客対応など各
2012 年 12 月号
c by ORSJ. Unauthorized reproduction of this article is prohibited.（15）
Copyright 671
主要部署から選出されることが理想である．加えて分
る．分析作業においても単純集計，データの組み合わせ
析作業スタッフとして，分析内容を指示し「発見」を
分析，相関性の評価で，たいていのことは見えてくる．
導出できるプランナーを招聘したい．この部署横断型
より高度な分析を要する局面も少なくはない．施策
な会議体では，Plan と Check について主に議論され，
の精度をあげるため事前予測モデルを構築するなど，
次の施策方針が決定される．迅速な判断をするために
高度な作業が求められる機会も徐々に発生するであろ
もデータ分析だけでなく，商品・サービスへの理解が
う．はじめはシンプルに分析を繰り返すことに注力し
深く，社内連携がはかれる小規模な体制であることが
ていただきたい．繰り返しなるがポイントは，何と何
望ましい．
を組み合わせるべきかを見いだす，仮説構築力とセン
必要なデータについて，手法について
分析に必要なデータについて，より詳しく述べてお
きたい．まず自社内にどんなデータがあるのかを精査
していただきたい．個々のデータは，単に蓄積された
スである．
5. 最後に
ビッグデータ分析の結果とそこから得られる示唆は，
集合体であっても，他のデータとつなぐと思いもよら
広告主にとって有益なのか，はたして売上向上に直結
ない価値が生まれることもある．こういったデータ活
するのか，われわれ広告会社はその答えを求められて
用の考え方こそビッグデータである．ビッグデータと
いる．そういった立場から試行錯誤を繰り返し，たど
は，容量が大きいというわけでは必ずしもなく，リア
「課題解
り着いたのが「顧客化 10 の発見」であった．
ルタイムであること，精度が高いこと，変数が多彩で
決のヒントは，購買結果にこそある」と考えている．ぜ
あることである．基本的に，前述のとおりメディア出
ひ，ビッグデータ分析に取り組んでいただき，課題解
稿などの施策実施データ／顧客データ／購買データが
決へとつながる「発見」をしていただきたい．
揃っていることが何より理想的である．他には，商品
参考文献
マスタデータや Web アクセスデータ，定性データなど
である．他にも各種国勢調査や GIS など，一般的に手
に入りやすい外部データも時に必要になるであろう．
もし『すべて揃わない』，
『欠損がある』などデータ
精度に課題があったとしても，まずは初めてみてほし
い．何らかの傾向は必ず見いだせるはずである．一度
分析してみることで，足りないデータ項目は何なのか，
課題解決の本質に迫るためにはどこを深掘りしていけ
ばいいのかなど，分析するうえの課題も明白になる．
徐々にデータの精度を高めていくことで，分析結果の
クオリティも向上していく．
繰り返しになるが，1 点理解していただきたいこと
は，マーケティングにおけるビッグデータ分析とは，考
[1] 鈴木良介，『ビッグデータビジネスの時代』，翔泳社，
2011.
『データベース・マーケティングの実際』，
[2] ルディー和子，
日経文庫，2000.
[3] 後藤一善，『費用対効果が見える広告』，翔泳社，2009．
[4] 博報堂ブランドコンサルティング，『サービスブランディ
ング』，ダイヤモンド社，2008.
『本当のお客様能見つけ方』，日本経済新聞出
[5] 櫻木裕之，
版社 2012.
『ドン・シュルツの統
[6] ドン シュルツ，ハイジ シュルツ，
合マーケティング』，ダイヤモンド社，2005.
[7] 山本直人，『マーケティング企画技術』，東洋経済新報
社，2005.
[8] デイヴィッド オグルヴィ，『ある広告人の告白』，海と
月社，2006.
[9] 須藤美和，『実況 LIVE マーケティング実践講座』，ダ
イヤモンド社，2005.
え方自体は思いのほかシンプルであるということであ
c by
672 （16）Copyright ORSJ. Unauthorized reproduction of this article is prohibited.
オペレーションズ・リサーチ